大数据时代,数据实时同步解决方案的思考—最全的数据同步总结

  • 时间:
  • 浏览:0
  • 来源:大发uu快3_uu快3官方安卓_大发uu快3官方安卓

1、 早期关系型数据库之间的数据同步

1)、全量同步

比如从oracle数据库中同步一张表的数据到Mysql中,通常的做法只要 分页查询源端的表,并且 通过 jdbc的batch 依据插入到目标表,这个地方时需注意的是,分页查询时,一定要按照主键id来排序分页,解决重复插入。

2)、基于数据文件导出和导入的全量同步,这个同步依据一般只适用于同种数据库之间的同步,并且 是不同的数据库,这个依据并且 会地处间题。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期就是数据同步一定会基于关系型数据库的触发器trigger来做的。

使用触发器实时同步数据的步骤:

A、 基于原表创触发器,触发器所含insert,modify,delete 这个类型的操作,数据库的触发器分Before和After这个情况表,这个是在insert,modify,delete 这个类型的操作地处并且 触发(比如记录日志操作,一般是Before),这个是在insert,modify,delete 这个类型的操作并且 触发。

B、 创建增量表,增量表中的字段和原表中的字段完全一样,并且 时需多有另另1个 多操作类型字段(分表代表insert,modify,delete 这个类型的操作),并且 时需有另另1个 多唯一自增ID,代表数据原表中数据操作的顺序,这个自增id非常重要,不然数据同步就会错乱。

C、 原表中跳出insert,modify,delete 这个类型的操作时,通过触发器自动产生增量数据,插入增量表中。

D、解决增量表中的数据,解决时,一定是按照自增id的顺序来解决,这个波特率会非常低,没依据做批量操作,不然数据会错乱。  大家并且 会说,是一定会要能把insert操作合并在一齐,modify合并在一齐,delete操作合并在一齐,并且 批量解决,我给的答案是不行,并且 数据的增完全是有顺序的,合并后,就没人顺序了,同一根数据的增完全顺序一旦错了,那数据同步就肯定错了。

市面上就是数据etl数据交换产品一定会基于这个思想来做的。

E、 这个思想使用kettle 很容易就要能实现,笔者只要在此人 的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/731000673.html

4)、基于时间戳的增量同步

A、首先亲戚亲戚朋友儿时需一张临时temp表,用来存取每次读取的待同步的数据,也只要把每次从原表中根据时间戳读取到数据先插入到临时表中,每次在插入前,先清空临时表的数据

B、亲戚亲戚朋友儿还时需创建有另另1个 多时间戳配置表,用于存放每次读取的解决完的数据的最后的时间戳。

C、每次从原表中读取数据时,先查询时间戳配置表,并且 就知道了查询原表时的现在刚开始了了时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,并且 再将临时表中的数据插入到目标表中。

E、从缓存表中读取出数据的最大时间戳,并且 更新到时间戳配置表中。缓存表的作用只要使用sql获取每次读取到的数据的最大的时间戳,当然哪几个一定会完全基于sql的话在kettle中来配置,才时需只要的一张临时表。

2、    大数据时代下的数据同步

1)、基于数据库日志(比如mysql的binlog)的同步

亲戚亲戚朋友儿都知道就是数据库都支持了主从自动同步,尤其是mysql,要能支持多主多从的模式。没人亲戚亲戚朋友儿是一定会要能利用这个思想呢,答案当然是肯定的,mysql的主从同步的过程是只要的。

  A、master将改变记录到二进制日志(binary log)中(哪几个记录叫做二进制日志事件,binary log events,要能通过show binlog events进行查看);

  B、slave将master的binary log events拷贝到它的中继日志(relay log);

  C、slave重做中继日志中的事件,将改变反映它此人 的数据。

阿里巴巴开源的canal就完美的使用这个依据,canal 伪装了有另另1个 多Slave 去喝Master进行同步。

A、 canal模拟mysql slave的交互协议,伪装此人 为mysql slave,向mysql master发送dump协议

B、 mysql master收到dump请求,现在刚开始了了推送binary log给slave(也只要canal)

C、 canal解析binary log对象(原始为byte流)

另外canal 在设计时,有点儿设计了 client-server 模式,交互协议使用 protobuf 3.0 , client 端可采用不同语言实现不同的消费逻辑。

canal java 客户端: https://github.com/alibaba/canal/wiki/ClientExample

canal c# 客户端: https://github.com/dotnetcore/CanalSharp

canal go客户端: https://github.com/CanalClient/canal-go

canal php客户端: https://github.com/xingwenge/canal-php、

github的地址:https://github.com/alibaba/canal/

另外canal 1.1.1版本并且 , 默认支持将canal server接收到的binlog数据直接投递到MQ   https://github.com/alibaba/canal/wiki/Canal-Kafka-RocketMQ-QuickStart

D、在使用canal时,mysql时需开启binlog,并且 binlog-format时需为row,要能在mysql的my.cnf文件中增加如下配置

log-bin=E:/mysql5.5/bin_log/mysql-bin.log

binlog-format=ROW

server-id=123、

E、 部署canal的服务端,配置canal.properties文件,并且  启动 bin/startup.sh 或bin/startup.bat

#设置要监听的mysql服务器的地址和端口

canal.instance.master.address = 127.0.0.1:310006

#设置有另另1个 多可访问mysql的用户名和密码并具有相应的权限,本示例用户名、密码都为canal

canal.instance.dbUsername = canal

canal.instance.dbPassword = canal

#连接的数据库

canal.instance.defaultDatabaseName =test

#订阅实例中所有的数据库和表

canal.instance.filter.regex = .*\\..*

#连接canal的端口

canal.port= 11111

#监听到的数据变更发送的队列

canal.destinations= example

F、 客户端开发,在maven中引入canal的依赖

   <dependency>
         <groupId>com.alibaba.otter</groupId>
          <artifactId>canal.client</artifactId>
          <version>1.0.21</version>
      </dependency>

代码示例:

package com.example;

import com.alibaba.otter.canal.client.CanalConnector;
import com.alibaba.otter.canal.client.CanalConnectors;
import com.alibaba.otter.canal.common.utils.AddressUtils;
import com.alibaba.otter.canal.protocol.CanalEntry;
import com.alibaba.otter.canal.protocol.Message;
import com.google.protobuf.InvalidProtocolBufferException;

import java.net.InetSocketAddress;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

 
public class CanalClientExample {

    public static void main(String[] args) {
        while (true) {
            //连接canal
            CanalConnector connector = CanalConnectors.newSingleConnector(new InetSocketAddress(AddressUtils.getHostIp(), 11111), "example", "canal", "canal");
            connector.connect();
            //订阅 监控的 数据库.表
            connector.subscribe("demo_db.user_tab");
            //一次取10条
            Message msg = connector.getWithoutAck(10);

            long batchId = msg.getId();
            int size = msg.getEntries().size();
            if (batchId < 0 || size == 0) {
                System.out.println("没人消息,休眠5秒");
                try {
                    Thread.sleep(100000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            } else {
                //
                CanalEntry.RowChange row = null;
                for (CanalEntry.Entry entry : msg.getEntries()) {
                    try {
                        row = CanalEntry.RowChange.parseFrom(entry.getStoreValue());
                        List<CanalEntry.RowData> rowDatasList = row.getRowDatasList();
                        for (CanalEntry.RowData rowdata : rowDatasList) {
                            List<CanalEntry.Column> afterColumnsList = rowdata.getAfterColumnsList();
                            Map<String, Object> dataMap = transforListToMap(afterColumnsList);
                            if (row.getEventType() == CanalEntry.EventType.INSERT) {
                                //具体业务操作
                                System.out.println(dataMap);
                            } else if (row.getEventType() == CanalEntry.EventType.UPDATE) {
                                //具体业务操作
                                System.out.println(dataMap);
                            } else if (row.getEventType() == CanalEntry.EventType.DELETE) {
                                List<CanalEntry.Column> beforeColumnsList = rowdata.getBeforeColumnsList();
                                for (CanalEntry.Column column : beforeColumnsList) {
                                    if ("id".equals(column.getName())) {
                                        //具体业务操作
                                        System.out.println("删除的id:" + column.getValue());
                                    }
                                }
                            } else {
                                System.out.println("其他操作类型不做解决");
                            }

                        }

                    } catch (InvalidProtocolBufferException e) {
                        e.printStackTrace();
                    }
                }
                //确认消息
                connector.ack(batchId);
            }


        }
    }

    public static Map<String, Object> transforListToMap(List<CanalEntry.Column> afterColumnsList) {
        Map map = new HashMap();
        if (afterColumnsList != null && afterColumnsList.size() > 0) {
            for (CanalEntry.Column column : afterColumnsList) {
                map.put(column.getName(), column.getValue());
            }
        }
        return map;
    }


}

2)、基于BulkLoad的数据同步,比如从hive同步数据到hbase

 

亲戚亲戚朋友儿有这个依据要能实现,

A、 使用spark任务,通过HQl读取数据,并且 再通过hbase的Api插入到hbase中。

并且 这个做法,波特率很低,并且 大批量的数据一齐插入Hbase,对Hbase的性能影响很大。

在大数据量的情况表下,使用BulkLoad要能快速导入,BulkLoad主只要借用了hbase的存储设计思想,并且 hbase本质是存储在hdfs上的有另另1个 多文件夹,并且 底层是以有另另1个 多个的Hfile地处的。HFile的形式地处。Hfile的路径格式一般是只要的:

/hbase/data/default(默认是这个,并且 hbase的表没人指定命名空间的话,并且 指定了,这个只要命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理只要按照HFile格式存储数据到HDFS上,生成Hfile要能使用hadoop的MapReduce来实现。并且 一定会hive中的数据,比如内外部的数据,没人亲戚亲戚朋友儿要能将内外部的数据生成文件,并且 上传到hdfs中,组装RowKey,并且 将封装后的数据在回写到HDFS上,以HFile的形式存储到HDFS指定的目录中。

 

当然亲戚亲戚朋友儿要要能不并且 生成hfile,要能使用spark任务直接从hive中读取数据转加在RDD,并且 使用HbaseContext的自动生成Hfile文件,次责关键代码如下:

…
//将DataFrame转换bulkload时需的RDD格式
    val rddnew = datahiveDF.rdd.map(row => {
      val rowKey = row.getAs[String](rowKeyField)
 
      fields.map(field => {
        val fieldValue = row.getAs[String](field)
        (Bytes.toBytes(rowKey), Array((Bytes.toBytes("info"), Bytes.toBytes(field), Bytes.toBytes(fieldValue))))
      })
    }).flatMap(array => {
      (array)
    })
…
//使用HBaseContext的bulkload生成HFile文件
    hbaseContext.bulkLoad[Put](rddnew.map(record => {
      val put = new Put(record._1)
      record._2.foreach((putValue) => put.addColumn(putValue._1, putValue._2, putValue._3))
      put
    }), TableName.valueOf(hBaseTempTable), (t : Put) => putForLoad(t), "/tmp/bulkload")
 
    val conn = ConnectionFactory.createConnection(hBaseConf)
    val hbTableName = TableName.valueOf(hBaseTempTable.getBytes())
    val regionLocator = new HRegionLocator(hbTableName, classOf[ClusterConnection].cast(conn))
    val realTable = conn.getTable(hbTableName)
    HFileOutputFormat2.configureIncrementalLoad(Job.getInstance(), realTable, regionLocator)
 
    // bulk load start
    val loader = new LoadIncrementalHFiles(hBaseConf)
    val admin = conn.getAdmin()
    loader.doBulkLoad(new Path("/tmp/bulkload"),admin,realTable,regionLocator)
 
    sc.stop()
  }
…
  def putForLoad(put: Put): Iterator[(KeyFamilyQualifier, Array[Byte])] = {
    val ret: mutable.MutableList[(KeyFamilyQualifier, Array[Byte])] = mutable.MutableList()
    import scala.collection.JavaConversions._
    for (cells <- put.getFamilyCellMap.entrySet().iterator()) {
      val family = cells.getKey
      for (value <- cells.getValue) {
        val kfq = new KeyFamilyQualifier(CellUtil.cloneRow(value), family, CellUtil.cloneQualifier(value))
        ret.+=((kfq, CellUtil.cloneValue(value)))
      }
    }
    ret.iterator
  }
}

…

C、pg_bulkload的使用

这是有另另1个 多支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过内外部文件加载的依据,这个工具笔者没人亲自去用过,完全的介绍要能参考:https://my.oschina.net/u/3317105/blog/852785   pg_bulkload项目的地址:http://pgfoundry.org/projects/pgbulkload/

3)、基于sqoop的全量导入

Sqoop 是hadoop生态中的有另另1个 多工具,专门用于内外部数据导入进入到hdfs中,内外部数据导出时,支持就是常见的关系型数据库,也是在大数据中常用的有另另1个 多数据导出导入的交换工具。

 

Sqoop从内外部导入数据的流程图如下:

Sqoop将hdfs中的数据导出的流程如下:

本质一定会用了大数据的数据分布式解决来快速的导入和导出数据。

4)、HBase中建表,并且 Hive中建有另另1个 多内外部表,只要当Hive中写入数据后,HBase中也会一齐更新,并且 时需注意

A、hbase中的空cell在hive中会补null

B、hive和hbase中不匹配的字段会补null

亲戚亲戚朋友儿要能在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用这个命令,亲戚亲戚朋友儿要能创建一张叫bokeyuan的表,并且 后边有另另1个 多多列族zhangyongqing,hbase创建表时,要能无需指定字段,并且 时需指定表名以及列族

亲戚亲戚朋友儿要能使用的hbase的put命令插入其他数据

put 'bokeyuan','001','zhangyongqing:name','robot'

put 'bokeyuan','001','zhangyongqing:age','20'

put 'bokeyuan','002','zhangyongqing:name','spring'

put 'bokeyuan','002','zhangyongqing:age','18'

要能通过hbase的scan 全表扫描的依据查看亲戚亲戚朋友儿插入的数据

scan ' bokeyuan'

亲戚亲戚朋友儿继续创建一张hive内外部表

create external table bokeyuan (id int, name string, age int) 

STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' 

WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,user:name,user:age") 

TBLPROPERTIES("hbase.table.name" = " bokeyuan");

内外部表创建好了后,亲戚亲戚朋友儿要能使用HQL的话来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是有另另1个 多开源项目,为捕获数据更改(change data capture,CDC)提供了有另另1个 多低延迟的流式解决平台。让你安装并且 配置Debezium去监控你的数据库,让你的应用就要能消费对数据库的每有另另1个 多行级别(row-level)的更改。要能已提交的更改才是可见的,就是你的应用无需担心事务(transaction)并且 更改被回滚(roll back)。Debezium为所有的数据库更改事件提供了有另另1个 多统一的模型,就是你的应用无需担心每这个数据库管理系统的错综繁杂性。另外,并且 Debezium用持久化的、有副本备份的日志来记录数据库数据变化的历史,并且 ,你的应用要能随时停止再重启,而无需错过它停止运行时地处的事件,保证了所有的事件都能被正确地、完全地解决掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是有另另1个 多开源的项目。

 

  只要监控数据库,并且 在数据变动的并且 获得通知随便说说 另另1个劲是一件很繁杂的事情。关系型数据库的触发器要能做到,并且 只对特定的数据库有效,并且 通常要能更新数据库内的情况表(无法和内外部的守护进程通信)。其他数据库提供了监控数据变动的API并且 框架,并且 没人另另1个 多多标准,次责数据库的实现依据一定会不同的,并且 时需多量特定的知识和理解特定的代码要能运用。确保以相同的顺序查看和解决所有更改,一齐最小化影响数据库仍然非常具有挑战性。

       Debezium正好提供了模块为你做哪几个繁杂的工作。其他模块是通用的,并且 要能适用多种数据库管理系统,但在功能和性能方面仍有其他限制。另其他模块是为特定的数据库管理系统定制的,就是亲戚亲戚朋友通常要能更多地利用数据库系统这个的形态来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是有另另1个 多捕获数据更改(CDC)平台,并且 利用Kafka和Kafka Connect实现了此人 的持久性、可靠性和容错性。每有另另1个 多部署在Kafka Connect分布式的、可扩展的、容错性的服务中的connector监控有另另1个 多上游数据库服务器,捕获所有的数据库更改,并且 记录到有另另1个 多并且 多个Kafka topic(通常有另另1个 多数据库表对应有另另1个 多kafka topic)。Kafka确保所有哪几个数据更改事件都要能多副本并且 总体上有序(Kafka要能保证有另另1个 多topic的单个分区内有序),只要,更多的客户端要能独立消费同样的数据更改事件而对上游数据库系统造成的影响降到很小(并且 N个应用都直接去监控数据库更改,对数据库的压力为N,而用debezium汇报数据库更改事件到kafka,所有的应用都去消费kafka中的消息,要能把对数据库的压力降到1)。另外,客户端要能随时停止消费,并且 重启,从上次停止消费的地方接着消费。每个客户端要能自行决定亲戚亲戚朋友是是不是时需exactly-once并且 at-least-once消息交付语义保证,并且 所有的数据库并且 表的更改事件是按照上游数据库地处的顺序被交付的。

       对于不时需并且 让让你这个容错级别、性能、可扩展性、可靠性的应用,亲戚亲戚朋友要能使用内嵌的Debezium connector引擎来直接在应用内内外部运行connector。这个应用仍时需消费数据库更改事件,但更希望connector直接传递给它,而一定会持久化到Kafka里。

更完全的介绍要能参考:https://www.jianshu.com/p/f86219b1ab98

bireme 的github 地址  https://github.com/HashDataInc/bireme

bireme 的介绍:https://github.com/HashDataInc/bireme/blob/master/README_zh-cn.md

另外Maxwell也是要能实现MySQL到Kafka的消息后边件,消息格式采用Json:

Download:

https://github.com/zendesk/maxwell/releases/download/v1.22.5/maxwell-1.22.5.tar.gz 

Source:https://github.com/zendesk/maxwell 

datax 是阿里开源的etl 工具,实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各种异构数据源之间高效的数据同步功能,采用java+python进行开发,核心是java语言实现。

github地址:https://github.com/alibaba/DataX    

A、设计架构:

数据交换通过DataX进行中转,任何数据源只要和DataX连接上即要能和已实现的任意数据源同步

B、框架

 

核心模块介绍:

  1. DataX完成单个数据同步的作业,亲戚亲戚朋友儿称之为Job,DataX接受到有另另1个 多Job并且 ,将启动有另另1个 守护进程来完成整个作业同步过程。DataX Job模块是单个作业的中枢管理节点,承担了数据清理、子任务切分(将单一作业计算转化为多个子Task)、TaskGroup管理等功能。
  2. DataXJob启动后,会根据不同的源端切分策略,将Job切分成多个小的Task(子任务),以便于并发执行。Task便是DataX作业的最小单元,每有另另1个 多Task一定会负责一次责数据的同步工作。
  3. 切分多个Task并且 ,DataX Job会调用Scheduler模块,根据配置的并发数据量,将拆分成的Task重新组合,组装成TaskGroup(任务组)。每有另另1个 多TaskGroup负责以一定的并发运行完毕分配好的所有Task,默认单个任务组的并发数量为5。
  4. 每有另另1个 多Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的守护进程来完成任务同步工作。
  5. DataX作业运行起来并且 , Job监控并等待图片多个TaskGroup模块任务完成,等待图片所有TaskGroup任务完成后Job成功退出。并且 ,异常退出,守护进程退出值非0

DataX调度流程:

举例来说,用户提交了有另另1个 多DataX作业,并且 配置了20个并发,目的是将有另另1个 多1000张分表的mysql数据同步到odps后边。 DataX的调度决策思路是:

  1. DataXJob根据分库分表切分成了1000个Task。
  2. 根据20个并发,DataX计算共时需分配有另另1个 多TaskGroup。
  3. 有另另1个 多TaskGroup平分切分好的1000个Task,每有另另1个 多TaskGroup负责以1个并发共计运行21个Task。

优势:

  • 次责插件一定会此人 的数据转换策略,放置数据失真;
  • 提供作业全链路的流量以及数据量运行时监控,包括作业这个情况表、数据流量、数据波特率、执行进度等。
  • 并且 各种是因为是因为传输报错的脏数据,DataX要能实现精确的过滤、识别、整理、展示,为用户提没人来越多种脏数据解决模式;
  • 精确的波特率控制
  • 健壮的容错机制,包括守护进程内内外部重试、守护进程级别重试;

从插件视角看框架

  • Job:是DataX用来描述从有另另1个 多源头到目的的同步作业,是DataX数据同步的最小业务单元;
  • Task:为最大化而把Job拆分得到最小的执行单元,进行并发执行;
  • TaskGroup:一组Task集合,在同有另另1个 多TaskGroupContainer执行下的Task集合称为TaskGroup;
  • JobContainer:Job执行器,负责Job全局拆分、调度、前置的话和后置的话等工作的工作单元。类似Yarn中的JobTracker;
  • TaskGroupContainer:TaskGroup执行器,负责执行一组Task的工作单元,类似Yarn中的TAskTacker。

    总之,Job拆分为Task,分别在框架提供的容器中执行,插件只时需实现Job和Task两次责逻辑。

    物理执行有这个运行模式:

  • Standalone:单守护进程运行,没人内外部依赖;
  • Local:单守护进程运行,统计信息,错误信息汇报到集中存储;
  • Distrubuted:分布式守护进程运行,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同有另另1个 守护进程内的并且 只要单机模式,在不同守护进程执行只要分布式模式。

并且 时需开发插件,要能看zhege这个插件开发指南:   https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md 

数据源支持情况表:

类型数据源Reader(读)Writer(写)文档
RDBMS 关系型数据库 MySQL 读 、写
            Oracle         √         √     读 、写
  SQLServer 读 、写
  PostgreSQL 读 、写
  DRDS 读 、写
  通用RDBMS(支持所有关系型数据库) 读 、写
阿里云数仓数据存储 ODPS 读 、写
  ADS  
  OSS 读 、写
  OCS 读 、写
NoSQL数据存储 OTS 读 、写
  Hbase0.94 读 、写
  Hbase1.1 读 、写
  Phoenix4.x 读 、写
  Phoenix5.x 读 、写
  MongoDB 读 、写
  Hive 读 、写
无形态化数据存储 TxtFile 读 、写
  FTP 读 、写
  HDFS 读 、写
  Elasticsearch  
时间序列数据库 OpenTSDB  
  TSDB  

OGG 一般主要用于Oracle数据库。即Oracle GoldenGate是Oracle的同步工具 ,要能实现有另另1个 多Oracle数据库之间的数据的同步,要要能实现Oracle数据同步到Kafka,相关的配置操作要能参考如下:

https://blog.csdn.net/dkl12/article/details/1000447154

https://www.jianshu.com/p/446ed2f267fa

http://blog.itpub.net/15412087/viewspace-2154644/

Databus是有另另1个 多实时的、可靠的、支持事务的、保持一致性的数据变更抓取系统。 2011年在LinkedIn正式进入生产系统,2013年开源。

Databus通过挖掘数据库日志的依据,将数据库变更实时、可靠的从数据库拉取出来,业务要能通过定制化client实时获取变更。

Databus的传输层端到端延迟是微秒级的,每台服务器每秒要能解决数千次数据吞吐变更事件,一齐还支持无限回溯能力和丰厚的变更订阅功能。

github:https://github.com/linkedin/databus

databus整理:

  • 来源独立:Databus支持多种数据来源的变更抓取,包括Oracle和MySQL。
  • 可扩展、高度可用:Databus能扩展到支持数千消费者和事务数据来源,一齐保持高度可用性。
  • 事务按序提交:Databus能保持来源数据库中的事务完全性,并按照事务分组和来源的提交顺寻交付变更事件。
  • 低延迟、支持多种订阅机制:数据源变更完成后,Databus能在微秒级内将事务提交给消费者。一齐,消费者使用Databus中的服务器端过滤功能,要能只获取此人 时需的特定数据。
  • 无限回溯:这是Databus最具创新性的组件之一,对消费者支持无限回溯能力。当消费者时需产生数据的完全拷贝时(比如新的搜索索引),它无需对数据库产生任何额外负担,就要能达成目的。当消费者的数据大大落后于来源数据库时,要要能使用该功能。
    • Databus Relay中继的功能主要包括:
    1. 从Databus来源读取变更行,并在内存缓存内将其序列化为Databus变更事件
    2. 监听来自Databus客户端(包括Bootstrap Producer)的请求,并传输新的Databus数据变更事件
    • Databus客户端的功能主要包括:
    1. 检查Relay上新的数据变更事件,并执行特定业务逻辑的回调
    2. 并且 落后Relay没人来越多,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,并且 切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端要能解决整个Databus数据流,并且 要能成为消费者集群的一次责,其中每个消费者只解决一次责流数据
    • Databus Bootstrap Producer的功能有:
    1. 检查中继上的新数据变更事件
    2. 将变更存储在MySQL数据库中
    3. MySQL数据库供Bootstrap和客户端使用
    • Databus Bootstrap Server的主要功能,监听来自Databus客户端的请求,并返回长期回溯数据变更事件。
    • 更多要能参考 databus社区wiki主页:https://github.com/linkedin/Databus/wiki
    • Databus和canal的功能对比:

支持的数据库

mysql, oracle

mysql(据说内内外部版本支持oracle)

Databus目前支持的数据源更多

业务开发

业务只时需实现事件解决接口

事件解决外,时需解决ack/rollback,

反序列化异常等

Databus开发接口用户友好度更高

服务模型

 relay

relay要能一齐服务多个client

有另另1个 多server instance要能服务有另另1个 多client

(受限于server端保存拉取位点)

Databus服务模式更灵活

client

client要能拉取多个relay的变更,

访问的relay要能指定拉取其他表其他分片的变更

client要能从有另另1个 多server拉取变更,

并且 要能是拉取全量的变更

可扩展性

client要能线性扩展,解决能力要能线性扩展

(Databus可识别pk,自动做数据分片)

client无法扩展

Databus扩展性更好

可用性

client ha

client支持cluster模式,每个client解决一次责数据,

某个client挂掉,其他client自动接管对应分片数据

主备client模式,主client消费,

并且 主client挂掉,备client可自动接管

Databus实时热备方案更性性性性成长期的句子的句子

relay/server ha

多个relay可连接到同有另另1个 多数据库,

client要能配置多个relay,relay故障启动切换

主备relay模式,relay通过zk进行failover

canal主备模式对数据库影响更小

故障对上游

数据库的影响

client故障,bootstrap会继续拉取变更,

client恢复后直接从bootstrap拉取历史变更

client故障会阻塞server拉取变更,

client恢复会是因为server瞬时从数据库拉取多量变更

Databus这个的故障对数据库影响几乎为0

系统情况表监控

守护进程通过http接口将运行情况表暴露给内外部

暂无

Databus守护进程可监控性更好

开发语言

java,核心代码16w,测试代码6w

java,4.2w核心代码,6k测试代码

Databus项目更性性性性成长期的句子的句子,当然学习成本也更大

总结:

1、databus活跃度不高,datax和canal 相对比较活跃。

2、datax 一般比较适合于全量数据同步,对全量数据同步波特率很高(任务要能拆分,并发同步,就是波特率高),对于增量数据同步支持的不太好(要能依靠时间戳+定时调度来实现,并且 要能做到实时,延迟较大)。

3、canal 、databus 等并且 是通过日志抓取的依据进行同步,就是对增量同步支持的比较好。

4、以上哪几个工具都缺少有另另1个 多监控和任务配置调度管理的平台来进行支撑。